MMS-LLaMA是一款高效的多模态语音大语言模型框架，专注于自动视觉语音识别（AVSR），在优化标记长度的同时保留了语言内容。该框架通过整合视觉和语音数据，提供了一种全新的方法来提升语音识别的准确性和效率。MMS-L...

近日，GitHub上发布了一个名为REF-VLM的开源项目，该项目通过引入基于三元组的结构化表示，统一了多模态大语言模型（LLMs）中的视觉解码任务。多模态LLMs是当前人工智能领域的前沿技术，能够在处理视觉和文本信息时...

概率人工智能（Probabilistic Artificial Intelligence）作为人工智能领域的重要分支，近年来在学术界和工业界引起了广泛关注。其核心思想是通过概率模型来处理不确定性问题，从而提升AI系统的决策能力和鲁棒性。与...

VARGPT是一种多模态大语言模型（MLLM），其独特之处在于将视觉理解与生成功能统一在一个自回归框架内。这一创新设计使得VARGPT能够同时处理文本和图像数据，实现更高效的跨模态信息处理。通过自回归机制，VARGPT不仅...

近日，一项关于LLM（大语言模型）自我奖励推理的研究引起了广泛关注。该研究提出了一种创新的两阶段训练框架，使模型能够独立生成推理步骤、自我评估正确性，并在无需外部反馈的情况下迭代优化输出。这一框架结合了...

近日，SubPOP发布了一个大规模数据集，专门用于微调LLM（大语言模型），以预测调查响应分布。该数据集通过减少预测差距，显著提升了模型在未见过的调查数据上的泛化能力。这一技术突破为公众意见预测提供了更精准的...

近日，EmbodiedEval作为一种全面且交互式的基准测试工具正式亮相，旨在评估多模态大语言模型（MLLMs）在具身任务中的表现。具身任务是指模型需要在物理环境中执行具体操作的任务，这对模型的感知、推理和执行能力提...

近日，LLM-SRec技术通过将用户序列行为直接整合到LLM（大语言模型）中，显著提升了推荐系统的准确性，且无需进行额外的模型微调。这一创新方法不仅简化了推荐系统的开发流程，还实现了推荐精度的新突破，成为当前推...